用Python实现生信分析——序列进化分析详解

1. 什么是序列进化分析？

序列进化分析 是生物信息学中的一项核心任务，通过比较不同物种或个体的DNA、RNA或蛋白质序列，研究它们之间的进化关系。序列进化分析可以揭示物种之间的亲缘关系、基因的进化过程、功能保守性等。

2. 序列进化分析的主要方法

（1）多序列比对（Multiple Sequence Alignment, MSA）：

• 通过将多条序列进行比对，找出保守区域，并为进化分析提供基础数据。常用工具包括ClustalW、MUSCLE、MAFFT等。

（2）进化树构建：

• 基于序列的相似性或进化距离，构建反映物种或基因进化关系的进化树。常用算法包括邻接法（Neighbor-Joining, NJ）、最大似然法（Maximum Likelihood, ML）、贝叶斯法（Bayesian Inference）。

（3）序列距离计算：

• 计算序列之间的进化距离，常用模型包括Jukes-Cantor模型、Kimura两参数模型等。

3. 案例：使用Biopython进行序列进化分析

在这个案例中，我们将通过以下步骤进行序列进化分析：

1. 多序列比对：使用ClustalW进行多序列比对。
2. 进化树构建：使用进化距离矩阵构建邻接法（NJ）进化树。
3. 结果分析：解释进化树并分析物种之间的进化关系。

（1） 安装必要的软件和库

首先，确保你已经安装了Biopython库和ClustalW软件。如果没有，可以使用以下命令安装：

# 安装Biopython
pip install biopython

# 安装ClustalW（需要系统支持）
sudo apt-get install clustalw

（2） 使用ClustalW进行多序列比对

假设你有一组蛋白质序列文件（如 sequences.fasta），我们将使用ClustalW进行多序列比对。

# 使用ClustalW进行多序列比对
clustalw -INFILE=sequences.fasta -OUTFILE=aligned.aln -OUTPUT=FASTA

这将生成一个比对后的序列文件 aligned.aln，该文件将用于后续的进化树构建。

（3）使用Biopython构建进化树

接下来，我们将使用Biopython解析比对结果，并构建进化树。

from Bio import AlignIO, Phylo
from Bio.Phylo.TreeConstruction import DistanceCalculator, DistanceTreeConstructor

# 读取多序列比对文件
alignment = AlignIO.read("aligned.aln", "clustal")

# 计算序列间的距离矩阵
calculator = DistanceCalculator('identity')
distance_matrix = calculator.get_distance(alignment)

# 使用邻接法（NJ）构建进化树
constructor = DistanceTreeConstructor(calculator, 'nj')
tree = constructor.build_tree(alignment)

# 绘制进化树
Phylo.draw(tree)

# 输出进化树的Newick格式
Phylo.write(tree, "phylogenetic_tree.newick", "newick")

4. 运行结果和分析

运行结果：

通过运行以上代码，你将生成一个显示序列进化关系的进化树，结果可能如下：

• 进化树图：一棵以邻接法（NJ）构建的进化树，显示了不同序列之间的进化关系。
• Newick格式文件：进化树的Newick格式表示，可以用于其他进化分析工具中。

结果分析：

（1）多序列比对结果：

• 多序列比对的结果显示了序列之间的保守区域，这些区域通常在进化过程中保留了功能性。

（2）进化距离矩阵：

• 计算出的距离矩阵反映了不同序列之间的相似度。相似度越高的序列在进化树上越接近。

（3）进化树解释：

• 通过观察进化树，可以推测出不同物种或基因之间的亲缘关系。树上的分支点表示共同祖先，分支越近，表示进化关系越密切。

如果上述程序构建存在困难，可使用以下程序，得到运行结果：

from Bio import Phylo
from Bio.Phylo.TreeConstruction import DistanceCalculator, DistanceTreeConstructor
from Bio.Align import MultipleSeqAlignment
from Bio.SeqRecord import SeqRecord
from Bio.Seq import Seq
from io import StringIO

# 手动对齐的序列，确保长度一致
seq1 = "MKTIIALSYIFCLVFAD"
seq2 = "MKTIIALSYIFCLVFAA"
seq3 = "MKVIVLSYIFFLVFADA"  # 修正后的序列，使其长度为 17
seq4 = "MKTIIALSYIFCLVFAA"
seq5 = "MKAIILLQYIFFLVFAD"

# 检查每个序列的长度
print(f"seq1 length: {len(seq1)}")
print(f"seq2 length: {len(seq2)}")
print(f"seq3 length: {len(seq3)}")
print(f"seq4 length: {len(seq4)}")
print(f"seq5 length: {len(seq5)}")

# 确保所有序列长度相同
assert len(seq1) == len(seq2) == len(seq3) == len(seq4) == len(seq5), "序列长度不一致！"

# 构建对齐对象
alignment = MultipleSeqAlignment([
    SeqRecord(Seq(seq1), id="seq1"),
    SeqRecord(Seq(seq2), id="seq2"),
    SeqRecord(Seq(seq3), id="seq3"),
    SeqRecord(Seq(seq4), id="seq4"),
    SeqRecord(Seq(seq5), id="seq5")
])

# 计算距离矩阵
calculator = DistanceCalculator('identity')
distance_matrix = calculator.get_distance(alignment)

# 使用邻接法构建进化树
constructor = DistanceTreeConstructor(calculator, 'nj')
tree = constructor.build_tree(alignment)

# 输出进化树到Newick格式
newick_output = StringIO()
Phylo.write(tree, newick_output, "newick")
newick_tree = newick_output.getvalue()

# 绘制进化树
Phylo.draw_ascii(tree)

# 输出Newick格式和距离矩阵
print("Newick Format Tree:")
print(newick_tree)

print("\nDistance Matrix:")
print(distance_matrix)

输出： 

seq1 length: 17
seq2 length: 17
seq3 length: 17
seq4 length: 17
seq5 length: 17
                ____________ seq5
    ___________|
  _|           |_________________________________________________________ seq3
 | |
 | |__ seq1
_|
 | seq2
 |
 | seq4

Newick Format Tree:
(((seq5:0.12745,seq3:0.57843)Inner1:0.11765,seq1:0.02941)Inner2:0.02941,seq2:0.00000,seq4:0.00000)Inner3:0.00000;


Distance Matrix:
seq1    0.000000
seq2    0.058824    0.000000
seq3    0.764706    0.705882    0.000000
seq4    0.058824    0.000000    0.705882    0.000000
seq5    0.235294    0.294118    0.705882    0.294118    0.000000
    seq1    seq2    seq3    seq4    seq5

• 代码解释

（1）手动创建对齐后的序列：

        直接使用 MultipleSeqAlignment 对象来存储手动对齐的序列，确保所有序列的长度相同，避免之前的问题。

（2）距离矩阵计算和进化树构建：

        使用 DistanceCalculator 计算序列间的距离，并使用 DistanceTreeConstructor 构建进化树。

（3）Newick格式和进化树图：

        生成的进化树会被输出为 Newick 格式，同时也会显示 ASCII 图形式的进化树，便于查看进化关系。

• 运行和结果分析

        通过在本地运行上述代码，您应该能够成功生成进化树，并看到其 Newick 格式表示和 ASCII 图表示。 

5.  其他进化分析方法

（1）最大似然法（ML）：

• 使用最大似然法可以构建更精确的进化树，尤其是在处理较长序列或复杂进化模型时。

（2）贝叶斯法（Bayesian Inference）：

• 基于贝叶斯统计的进化树构建方法，可以提供分支支持度，并通过MCMC采样进行精确推断。

（3）进化模型选择：

• 根据数据选择合适的进化模型（如Jukes-Cantor, Kimura等）是确保进化分析准确性的关键。

6  实际应用场景

（1）物种进化分析：

• 通过构建物种的进化树，可以研究不同物种之间的进化关系，揭示物种分化的历史。

（2）基因家族进化：

• 进化分析可以帮助理解基因家族的起源和扩展，通过比较不同物种中的同源基因，研究基因的进化机制。

（3）传染病溯源：

• 通过分析病原体的基因组序列，构建其进化树，可以追踪传染病的来源和传播路径。

7. 总结

序列进化分析是理解生物进化和功能保守性的重要工具。通过使用多序列比对和进化树构建，我们可以揭示物种或基因之间的进化关系。在本次讲解中，我们详细介绍了如何使用Biopython和ClustalW进行序列进化分析，并分析了运行结果。